Dado un montón máximo de tamaño n, encuentre el k -ésimo elemento más grande en el montón máximo. Ejemplos:
Entrada : maxHeap = {20, 15, 18, 8, 10, 5, 17} k = 4 Salida : 15 Entrada : maxHeap = {100, 50, 80, 10, 25, 20, 75} k = 2 Salida : 80
Enfoque ingenuo : podemos extraer el elemento máximo del montón máximo k veces y el último elemento extraído será el k -ésimo elemento más grande. Cada operación de eliminación requiere un tiempo O(log n), por lo que la complejidad temporal total de este enfoque resulta ser O(k * log n). A continuación se muestra la implementación de este enfoque:
CPP
// C++ program for the // above approach #include <bits/stdc++.h> using namespace std; // Structure for the heap struct Heap { vector<int> v; int n; // Size of the heap Heap(int i = 0) : n(i) { v = vector<int>(n); } }; // Generic function to // swap two integers void swap(int& a, int& b) { int temp = a; a = b; b = temp; } // Returns the index of // the parent node inline int parent(int i) { return (i - 1) / 2; } // Returns the index of // the left child node inline int left(int i) { return 2 * i + 1; } // Returns the index of // the right child node inline int right(int i) { return 2 * i + 2; } // Maintains the heap property void heapify(Heap& h, int i) { int l = left(i), r = right(i), m = i; if (l < h.n && h.v[i] < h.v[l]) m = l; if (r < h.n && h.v[m] < h.v[r]) m = r; if (m != i) { swap(h.v[m], h.v[i]); heapify(h, m); } } // Extracts the maximum element int extractMax(Heap& h) { if (!h.n) return -1; int m = h.v[0]; h.v[0] = h.v[h.n-- - 1]; heapify(h, 0); return m; } int kThGreatest(Heap &h, int k) { for (int i = 1; i < k; ++i) extractMax(h); return extractMax(h); } // Driver Code int main() { Heap h(7); h.v = vector<int>{ 20, 15, 18, 8, 10, 5, 17 }; int k = 4; cout << kThGreatest(h, k); return 0; }
15
Complejidad de tiempo : O(k * log n)
Espacio Auxiliar: O(n)
Enfoque eficiente : podemos notar una observación interesante sobre max-heap. Un elemento x en el i -ésimo nivel tiene i – 1 ancestros. Por la propiedad de max-heaps, se garantiza que estos ancestros i – 1 son mayores que x. Esto implica que x no puede estar entre los mayores i – 1 elementos del montón. Usando esta propiedad, podemos concluir que el k -ésimo elemento más grande puede tener un nivel de k como máximo. Podemos reducir el tamaño del montón máximo de modo que solo tenga k niveles. Entonces podemos obtener el k -ésimo elemento más grande por nuestra estrategia anterior de extraer el elemento máximo k veces. Tenga en cuenta que el tamaño del montón se reduce a un máximo de 2 k– 1, por lo que cada operación de heapificación tomará un tiempo O(log 2 k ) = O(k). La complejidad temporal total será O(k 2 ). Si n >> k, entonces este enfoque funciona mejor que el anterior. A continuación se muestra la implementación de este enfoque:
CPP
// C++ program for the // above approach #include <bits/stdc++.h> using namespace std; // Structure for the heap struct Heap { vector<int> v; int n; // Size of the heap Heap(int i = 0) : n(i) { v = vector<int>(n); } }; // Generic function to // swap two integers void swap(int& a, int& b) { int temp = a; a = b; b = temp; } // Returns the index of // the parent node inline int parent(int i) { return (i - 1) / 2; } // Returns the index of // the left child node inline int left(int i) { return 2 * i + 1; } // Returns the index of // the right child node inline int right(int i) { return 2 * i + 2; } // Maintains the heap property void heapify(Heap& h, int i) { int l = left(i), r = right(i), m = i; if (l < h.n && h.v[i] < h.v[l]) m = l; if (r < h.n && h.v[m] < h.v[r]) m = r; if (m != i) { swap(h.v[m], h.v[i]); heapify(h, m); } } // Extracts the maximum element int extractMax(Heap& h) { if (!h.n) return -1; int m = h.v[0]; h.v[0] = h.v[h.n-- - 1]; heapify(h, 0); return m; } int kThGreatest(Heap &h, int k) { // Change size of heap h.n = min(h.n, int(pow(2, k) - 1)); for (int i = 1; i < k; ++i) extractMax(h); return extractMax(h); } // Driver Code int main() { Heap h(7); h.v = vector<int>{ 20, 15, 18, 8, 10, 5, 17 }; int k = 2; cout << kThGreatest(h, k); return 0; }
18
Complejidad de tiempo : O(k 2 )
Espacio Auxiliar: O(n)
Enfoque más eficiente : podemos mejorar aún más la complejidad temporal de este problema mediante el siguiente algoritmo:
- Cree una cola de prioridad P e inserte el Node raíz del montón máximo en P.
- Repita estos pasos k – 1 veces:
- Pop el mayor elemento de P.
- Inserte los elementos secundarios izquierdo y derecho del elemento emergente. (si existen).
- El elemento más grande en P es el k -ésimo elemento más grande del montón máximo.
El tamaño inicial de la cola de prioridad es uno, y aumenta como máximo en uno en cada uno de los k – 1 pasos. Por lo tanto, hay un máximo de k elementos en la cola de prioridad y la complejidad temporal de las operaciones de extracción e inserción es O(log k). Por tanto, la complejidad temporal total es O(k * log k). A continuación se muestra la implementación del enfoque anterior:
CPP
// C++ program for the // above approach #include <bits/stdc++.h> using namespace std; // Structure for the heap struct Heap { vector<int> v; int n; // Size of the heap Heap(int i = 0) : n(i) { v = vector<int>(n); } }; // Returns the index of // the left child node inline int left(int i) { return 2 * i + 1; } // Returns the index of // the right child node inline int right(int i) { return 2 * i + 2; } int kThGreatest(Heap &h, int k) { priority_queue<pair<int, int> > p; p.push(make_pair(h.v[0], 0)); for (int i = 0; i < k - 1; ++i) { int j = p.top().second; p.pop(); int l = left(j), r = right(j); if (l < h.n) p.push(make_pair(h.v[l], l)); if (r < h.n) p.push(make_pair(h.v[r], r)); } return p.top().first; } // Driver Code int main() { Heap h(7); h.v = vector<int>{ 20, 15, 18, 8, 10, 5, 17 }; int k = 2; cout << kThGreatest(h, k); return 0; }
18
Complejidad del tiempo : O(N * log k)
Espacio Auxiliar: O(n)
Para cada elemento, insertamos el elemento en el montón y lo eliminamos si el tamaño del montón es mayor que k. Por lo tanto, se requerirá precisamente 1 operación de pila para los k elementos iniciales y luego se requerirán 2 operaciones de pila para el resto de los elementos. Esto hace que la complejidad del tiempo sea O(N*logK)
Publicación traducida automáticamente
Artículo escrito por vaibhav29498 y traducido por Barcelona Geeks. The original can be accessed here. Licence: CCBY-SA